matlab 遗传优化算法_全局优化 | 遗传算法与结构优化模拟分析

 

Building可视库

一起做些更酷的事吧！

关注

小库这两天学习有关遗传算法的一些问题，其作为一种全局寻优的智能优化算法，具有很强大的适应性，可以应用于多个领域解决一些最优化的问题，诸如寻路问题，囚犯困境，动作控制，生产调度问题，人工生命模拟等。

袋鼠跳问题

从前，有一大群袋鼠，它们被莫名其妙的零散地遗弃于喜马拉雅山脉。于是只好在那里艰苦的生活。海拔低的地方弥漫着一种无色无味的毒气，海拔越高毒气越稀薄。可是可怜的袋鼠们对此全然不觉，还是习惯于活蹦乱跳。于是，不断有袋鼠死于海拔较低的地方，而越是在海拔高的袋鼠越是能活得更久，也越有机会生儿育女。就这样经过许多年，这些袋鼠们竟然都不自觉地聚拢到了一个个的山峰上，可是在所有的袋鼠中，只有聚拢到珠穆朗玛峰的袋鼠被带回了美丽的澳洲。

我们把函数曲线理解成一个一个山峰和山谷组成的山脉。那么我们可以设想所得到的每一个解就是一只袋鼠，我们希望它们不断的向着更高处跳去，直到跳到最高的山峰。所以求最大值的过程就转化成一个“袋鼠跳”的过程。

遗传算法的实现过程：

首先寻找一种对问题潜在解，进行“数字化”编码的方案(建立表现型和基因型的映射关系),然后用随机数初始化一个种群(那么第一批袋鼠就被随意地分散在山脉上)种群里面的个体就是这些数字化的编码。

接下来，通过适当的解码过程之后(得到袋鼠的位置坐标),用适应性函数对每一个基因个体作一次适应度评估(袋鼠爬得越高，越是受我们的喜爱，所以适应度相应越高),用选择函数按照某种规定择优选择(我们要每隔一段时间，在山上射杀一些所在海拔较低的袋鼠，以保证袋鼠总体数目持平)，让个体基因交叉变异，然后产生子代(希望存活下来的袋鼠是多产的，并在那里生儿育女)，遗传算法并不保证你能获得问题的最优解，但是使用遗传算法的最大优点在于你不必去了解和操心如何去“找”最优解(你不必去指导袋鼠向那边跳，跳多远)，而只要简单的“否定”一些表现不好的个体就行了(把那些总是爱走下坡路的袋鼠射杀)，这是遗传算法的精粹。

在MATLAB中，有遗传算法的优化工具箱，我们先尝试用Rastrigin函数测试MATLAB中的遗传算法(GA)工具箱。

绘制函数图像的代码

选用Ras函数测试的原因：Rastrigin 函数有许多局部最小值，然而，该函数只有一个全局最小值，出现在 xy 平面上的点[0，0]处，在任何不同于[0，0]的局部最小点处，Rastrigin 函数的值均大于 0。局部最小处距原点越远，该点处 Rastrigin 函数的值越大。Rastrigin 函数之所以最常用来测试遗传算法，是因为它有许多局部最小点，使得用标准的、基于梯度的查找全局最小的方法十分困难。

首先我们需要建立函数脚本文件(来源于工具箱)

本过程用的版本为是MATLAB.2014a，在应用程序打开Optimization，在solver选择ga-Genetic Algorithm，或者直接使用gatool命令打开。

GA工具箱界面

Fitness function—— 输入适应度函数；

Num of variables——输入变量个数；

结果如下：

经过200次迭代，x1=-0.001,y=-0.024,最优值为0.1151，可见使用GA工具包进行Ras函数测试的结果是可靠的。

在这里，我们举个结构优化设计的例子。

如图所示的某 机械的悬臂结构，矩形悬臂梁A固定在支撑 体B上。在梁A的最大弯曲量为[ δ max]=10mm条 件下能承受作用力 F=10kN，已知梁A的悬臂 长度为 L=2000mm，材料的弹性模量为E=2.0× 105MPa，许用应力σmax≦[σ]=175MPa。

在满足弯 曲应用和弯曲变形约束条件以及梁宽度b及高度 h 均不小于50mm且都不大于200mm的条件 下，求出材料体积V最小的优化问题的数学模型并结合Matlab遗传算法工具箱寻找最优的b和 h值。

建立优化数学模型，令b=x1，h=x2，并代入相关已知数据，得出悬臂梁的体积最优化数学模型如下：

由数学模型可以看出，该优化问题为单目标 非线性最优化问题，其中：目标函数f(x)和约束方 程g1(x)、g2(x)均属于非线性规划。对于非线性的 最优化设计，采用遗传算法进行优化具有明显的优势。 

编写函数M文件 ：

另新建一个非线性约束函数的M文件，输入以下代码，保存到工作目录中，文件名为BeamO⁃ pt_constraint。

如下图所示输入相关的参数，运行遗传算法：

结果如下：分别为迭代6次，25次，30次

可以看出大约从第16代开始后面每一代的平均适应 值变化很小，所形成的曲线接近水平线，因而可以断定x1=50mm，x2=147mm，目标函数值f(x)= 1.47×10的7次方mm3已经十分接近最优解，可作为问题的最优解。 

好了，以上便是本期推送的全部内容，这里是Building可视库，我们下期见吧~

参考文章：

优化与决策

CSDN:遗传算法详解(GA)

基于Matlab的遗传算法在结构优化设计中的应用.吴立华

官方文档：使用 MATLAB 遗传算法工具 

扩展阅读：

背包问题(上)|贪心算法与 MATLAB程序实现

最优化问题|惩罚函数法与机器人路径规划

最优化问题|梯度下降法与 MATLAB程序实现

模糊数学|秃不秃头谁说了算

图文+模拟 | 阿明

编辑 | Jason